Documente Academic
Documente Profesional
Documente Cultură
GRUPO “I”
Como ui tiene distribución normal, Yi, -por tanto bo y b1- también tienen
distribución normal. Entonces por eso podemos usar la distribución t con n-k
grados de libertad, para probar hipótesis y construir intervalos de confianza para
los parámetros 𝜷𝟎 y 𝜷𝟏 .
Cuadro 3. Extensión de cálculos en el caso de Maíz y Fertilizantes
Año Yi Xi -- ei e i2 Xi^2 xi^2 yi^2
(maíz) (Fertiliz) Ŷi
1 40 6 37.08 2.92 8.526 36 144 289
2 44 10 43.72 0.28 0.0784 100 64 169
3 46 12 47.04 -1.04 1.082 144 36 121
4 48 14 50.36 -2.36 5.57 196 16 81
5 52 16 53.68 -1.68 2.822 256 4 25
6 58 18 57.00 1.00 1.00 324 0 1
7 60 22 63.64 -3.64 13.24 484 16 9
8 68 24 66.96 1.04 1.08 576 36 121
9 74 26 70.28 3.72 13.838 676 64 289
10 80 32 80.24 -0.24 0.0576 1,024 196 529
ei = e2i = X i=
2
x i=
2
y2i =
n = 10
0 47.306 3,816 576 1,634
𝒆𝟐 𝑿𝟐 47.3056 3,816
𝑺𝟐𝟎 = 𝒊
[ 𝒊
𝟐] = [ ] 3.92 y so = 1.98
(𝒏−𝒌) 𝒏 𝒙𝒊 10 - 2 10(576 )
𝒆𝟐 𝟏 47.3056
𝑺𝟐𝟏 = 𝒊
[ ] = ≈ 0.01 y s1 = 0.10
(𝒏−𝒌) 𝒙𝟐
𝒊 (10 - 2)[576]
Por tanto:
bo - o 27.12 - 0 b1 - 1 1.66
to = = ≈ 13.7 t1 = = ≈ 16.6
so 1.98 s1 0.1
Paso 1.
Ho: o=0
Ha: o 0
Rechazo de Ho implica que la línea de regresión NO pasa por el origen
Ho: 1=0
Ha: 1 0
Rechazo de Ho implica que X ayuda a explicar las variaciones de Y.
Paso 2.
Se usa la FD “t” tt =2.228 (se desconocen las Var poblacionales
y los tamaños de muestra son menores de 30). Los GL son n-k=12-2=10,
y el nivel de significancia es 5% .
Paso 3.
Calculamos el t tabular:
bo _ o 2.13 0
____
to = = = 0.30
So 7.17
b1 _ 1 0.86 _ 0
t1 = = = 17.2
S1 0.05
DECISIÓN:
- Puesto que to < tt (2.228) bo no es estadísticamente diferente de 0.
- Puesto t1 tt (2.228) b1 es estadísticamente diferente de 0 (Que más?).
Se interpreta como que el intervalo [𝜷± tα/2 S𝜷] tiene una probabilidad (1– α) de
contener al verdadero parámetro β. Si α = 0.05 será un intervalo que tiene el 95%
de probabilidad (0.95) que el parámetro se encuentre en el intervalo dado.
IC: Pr[ bo – tα/2 S(bo) ≤ o ≤ bo + tα/2 S(bo)] = 1– α
Pr [ b1 – tα/2 S(b1) ≤ 1 ≤ b1 + tα/2 S(b1)] = 1– α
Los intervalos de confianza para el ejemplo del maíz con fertilización serán:
( 𝒙 𝒊 𝒚𝒊 ) ( 𝒚𝒊 𝒚𝒊 )
𝒓= 𝒓=
( 𝒙𝟐𝒊 )( 𝒚𝟐𝒊 ) ( 𝒚𝟐𝒊 )( 𝒚𝟐𝒊 )
𝟐 𝒚𝟐𝒊 𝒆𝟐𝒊
𝒓 = =𝟏− = 1 – (47.31/1.634) = 1 – 0.029 = 0.971 ó 97.1%
𝒚𝟐𝒊 𝒚𝟐𝒊
(n k )
Estima la dispersión de perturbaciones en la regresión muestral
y –complementa+ e indirectam+ se usa para evaluar la bondad
de ajuste.
Cuanto mayor es S2, es peor el ajuste del modelo.
Es más fácil interpretar el EER que S2, pues tiene las mismas
unidades que las e.
Decisión práctica: Si EER 15% de la media VAR DEPENDIENTE
buen ajuste del modelo.
2.4. USO y APLICACIÓN de RESULTADOS
Un modelo se valida empíricamente si es capaz de reproducir la
realidad con una proporción “aceptable” de error.
Un campo de validación empírica importante en Economía es la
capacidad de predicción. Un modelo es mejor que otro si es
que tiene menor error de pronóstico. Es posible validar una
predicción: (a) en forma puntual ó (b) mediante uso de un
intervalo de confianza para el parámetro estimado.
La Predicción se refiere a la estimación del valor pasado ó
futuro de una variable dependiente, dado el valor observado o
proyectado de la(s) variable(s) independiente(s). Cuando la
predicción se basa en un valor estimado o proyectado de la
variable independiente (no sobre uno observado), tenemos una
predicción “fuera de la muestra”.
Supongamos que se ha obtenido la siguiente regresión muestral:
Ŷp = bo + b1Xp
𝒀𝒑 ± tt [𝑺𝒀𝒐]
El asunto es que podemos obtener intervalos de confianza para el valor promedio
predicho ó también para un valor individual predicho de Y. El IC es similar, la
diferencia estriba en el Error Estándar de la predicción que es distinta.
En ambos casos es posible demostrar que en la EQ (2.2.f) Ŷp ~ N(Yp, Var(Ŷp))
Caso Error Estándar
Predictor 1 (Xp - X ) 2
2
Sp = S 2
[ ... ] Guja secc 5.10
Promedio u
n ∑ (Xi - X ) 2
Predictor 1 ( Xp - X ) 2
2
Sp = S 2
[ 1 ... ]
Individual u
n ∑
( Xi - X ) 2
S2 =
( Yi - Ŷi ) 2
=
ie 2
n-k n-k
Cuanto mayor sea n, menor serán 2p (ó S p2 ), u2 (ó S2).
En resumen, para ambos casos, el valor de Yp se halla sustituyendo el valor
observado o proyectado de Xp en la ecuación de regresión estimada. Esto es,
Ŷp = bo + b1Xp
75.36 (2.31)(7.255), es decir los extremos de IC son: 58.6 y 92.1 USD semana.
Además, si se proyecta para futuro (2021) una cantidad de ingreso, de Xp = 100,
tenemos que el IC para un valor esperado promedio será:
-
2
1
S p = 42.159[
2 ( 100 - 170 ) ]
10 33000
S p2 = 42.159 (0.2485) = 10.476
,
Entonces, al 95%, para un valor promedio 𝒀p = E(Y/Xo) en el 2021:
75.36 (2.31)(3.237), es decir los extremos del IC son: 67.9 y 82.8 USD x semana